下载保存图片
今天要下载很多张图片，手动麻烦，于是写了个小程序。期间遇到不少问题。
最主要的一个是，访问某些网页会返回403 Forbidden，后来在加入了header信息之后得到解决。记录下。
这里用到了正则，urllib网页编程等知识。好久没用了，算是复习。
代码
# -*- encoding:UTF-8 -*-
import re,urllib2
def getPage(url):
''' 下载文件html代码，找出一楼的核心代码 '''
opener = urllib2.build_opener()
# 不加头信息则出现403错误和乱码
opener.addheaders = [( ' User-agent ' , ' Mozilla/5.0 ' )];
htmlAll = opener.open( url ).read()
reg1Floor = ' <div class="msgfont">(.*?)</div> '
html = re.search(reg1Floor,htmlAll)
html = html.group()
# 文件保存编码和文件编辑编码都是utf-8，所以decode一次，不然会出现乱码，但是不影响结果。
return html.decode( ' utf-8 ' )
def getImg(url):
''' 从核心代码中照图图片地址，并且下载保存、命名 '''
regImg = ' <img src="(.*?)" alt="" /> '
dir = ' F:\\My_Document\\Desktop\\temp\\ '
pageHtml = getPage(url)
# 找到所有图片地址
imglist = re.findall(regImg,pageHtml)
# print imglist
for index in xrange( 1 ,len(imglist) + 1 ):
finename = dir + str(index) + ' .jpg '
urllib.urlretrieve(imglist[index - 1 ], finename)
print finename + ' ok! '
if __name__ == ' __main__ ' :
getImg( ' http://topic.csdn.net/u/20101013/11/024465A6-8E16-444C-9A09-DD374D29044C.html ' )